Refine
Year of publication
Document Type
- Article (13)
- Book (3)
- Part of a Book (62)
- Conference Proceeding (114)
- Contribution to a Periodical (25)
- Lecture (7)
- Internet Paper (2)
- Report (2)
- Working Paper (4)
Is part of the Bibliography
- no (232)
Keywords
- 02 (15)
- 03 (9)
- 04 (1)
- 5G (2)
- 7. EU-Forschungsrahmenprogramm (1)
- AI (2)
- APMS (1)
- APS (1)
- Aachener PPS-Modell (1)
- Ablauforganisation (1)
Institute
- Business Transformation (10)
- Dienstleistungsmanagement (67)
- FIR e. V. an der RWTH Aachen (232)
- Informationsmanagement (51)
- Produktionsmanagement (115)
Aus dem privaten Alltag sind Soziale Technologien nicht mehr wegzudenken, doch zunehmend kommen diese auch innerhalb von Unternehmen zum Einsatz. Insbesondere Business-Communities können dabei helfen, Mitarbeiter zu vernetzen, und bieten speziell bei wissensintensiven Aufgaben erhebliche Potenziale. Da sowohl der systematische Aufbau als auch die Koordination einer Business-Community mit zahlreichen Aufgabenfeldern verbunden ist, werden oftmals schwerwiegende Fehler im Management dieser Communities gemacht, wodurch Nutzenpotenziale ungenutzt bleiben. Auch mangelt es in der Praxis an geeigneten Erkenntnissen über eine erfolgreiche Steuerung solcher Business-Communities.
Um die Erfolgswirkungen konkreter Koordinationsmechanismen zu untersuchen, führte das FIR an der RWTH Aachen gemeinsam mit der IntraWorlds GmbH eine Studie unter Community-Managern durch. Dabei hat sich herausgestellt, dass die Steuerungsinstrumente unterschiedlich und mit divergierendem Erfolg eingesetzt werden können.
Unternehmen sehen sich aktuell verschiedenen Herausforderungen ausgesetzt, die durch dynamische Rahmenbedingungen, insbesondere in Bezug auf die Schnittstellen zu ihren Kunden und Lieferanten, verursacht werden. Kundenseitig hat die zunehmende Individualisierung der Anforderung zu einem differenzierteren und damit vergrößerten Produkt- und Leistungsportfolio bei produzierenden Unternehmen im Rahmen der Serienfertigung geführt. Das hat zur Folge, dass Unternehmen ihre Produktion zunehmend auftragsbezogener gestalten müssen. In verschiedenen Branchen ist diese Entwicklung bereits so weit fortgeschritten, dass eine Produktvariante eins zu eins einem Kunden zugeordnet werden kann. Verstärkend kommt hinzu, dass die Produktlebenszyklen von allgemeinen als auch kundenindividuellen Produkten zunehmend kürzer werden. Das Produktportfolio unterliegt somit einer hohen Veränderlichkeit.
Die beschriebene zeitdynamische Variabilität in Bezug auf die qualitativen Aspekte der Kundenanforderungen paart sich mit einer quantitativen Variabilität der Kundenbedarfe. Letztere drückt sich in einem höheren Anteil an kurz- und mittelfristigen Auftragseingängen auf der Ebene einzelner Kunden, als auch aggregiert über alle Kunden aus. Die Vorhersehbarkeit und die Überraschung bilden die Extrempole des Kundenverhaltens, welche die Planbarkeit aus Sicht von Unternehmen induzieren. Damit kann in diesem Fall auch synonym von planbarem (vorhersehbarem/kurzfristigen) Kundenverhalten und nicht-planbarem (überraschendem) Kundenverhalten gesprochen werden. Diese Kombination qualitativer und quantitativer Variabilität macht den Markt für produzierende Unternehmen zunehmend schwerer kalkulierbar.
Zusammenfassend lässt sich herausstellen, dass Produktionsplaner heute komplexere produkt- und kundenseitige Anforderungen im Rahmen der Auftragseinlastung berücksichtigen müssen. Er muss darauf achten, dass Vertriebs-, Einkaufs-, Produktion- und Versandplanung miteinander synchronisiert werden, um den Kunden einen verbindlichen Liefertermin zusagen zu können.
Aus Sicht des Produktionsmanagements stellt die Beherrschung der steigenden Dynamik und den daraus resultierenden Konsequenzen wie beispielsweise Unter- und Überlastsituationen eine zentrale Herausforderung der kommenden Jahre dar. Ursachen der zunehmenden unternehmensinternen Dynamik sind verkürzte Lieferzeiten, eine höhere Prozessvarianz der Fertigung und Montage (verursacht durch individualisierte Produkte) und der Einsatz technologisch-komplexer Produktionsanlagen. Die drastische Verkürzung der Lieferzeiten hat die Auftragssituation und den Kapazitätsbedarf produzierender Unternehmen stark verändert.
Kapazitätsschwankungen und Prozessinstabilitäten einer Einzelressource wirken sich auf Grund der stärkeren Kopplung wesentlich drastischer auf die Stabilität des gesamten Unternehmens aus, da Bestände als Puffer zu kapitalintensiv geworden sind. Gleichzeitig nehmen makroskopische, überbetriebliche Kapazitätsschwankungen zu, da die Reaktionszeiten innerhalb der Lieferkette deutlich kürzer geworden sind.
Die steigende Varianz der Prozessketten und -zeiten potenziert die beschriebenen Kapazitäts- und Durchlaufzeitschwankungen. Eine "mittelwertbasierte PPS" kann aufgrund der gestiegenen Planungsanforderungen nicht mehr zielkonform agieren. Planungs- und Steuerungskonzepte, die auf diese Komplexität nicht reagieren können, multiplizieren ein weiteres Aufschwingen der Bedarfe in der Lieferkette und führen zu Auslastungsverlusten und steigenden Rückständen in der Produktion. Heute sind neue Ansätze in der Planung und Steuerung von inner- und überbetrieblichen Produktionsprozessen notwendig, die die Dynamik der Prozesse und der Kapazitätsbedarfe beherrschbar machen oder ggf. sogar kompensieren können.
Einführung
(2012)
Zusammenfassung und Ausblick
(2012)
Companies are transforming from transactional sales to providing solutions for their customers. Mostly, smart products, enabling companies to enhance their products by providing smart services to their customers, are a key building block in this transformation. However, the development of a smart product requires many digital skills and knowledge, which regular companies do not have. To facilitate the design and conceptualization of smart products, this paper presents a use-case-based information systems architecture prototype for smart products. Furthermore, the paper features the application and evaluation of the architecture on two different smart product projects. The use of such an architecture as a reference in smart product development serves as a huge advantage and accelerator for inexperienced companies, allowing faster entry into this new field of business. [https://link.springer.com/chapter/10.1007/978-3-031-14844-6_16]
With the development of publicly accessible broker systems within the last decade, the complexity of data-driven ecosystems is expected to become manageable for self-managed digitalisation. Having identified event-driven IT-architectures as a suitable solution for the architectural requirements of Industry 4.0, the producing industry is now offered a relevant alternative to prominent third-party ecosystems. Although the technical components are readily available, the realisation of an event-driven IT-architecture in production is often hindered by a lack of reference projects, and hence uncertainty about its success and risks. The research institute FIR and IT-expert synyx are thus developing an event-driven IT-architecture in the Center Smart Logistics' producing factory, which is designed to be a multi-agent testbed for members of the cluster. With the experience gained in industrial projects, a target IT-architecture was conceptualised that proposes a solution for a self-managed data-ecosystem based on open-source technologies. With the iterative integration of factory-relevant Industry 4.0 use cases, the target is continuously realised and validated. The paper presents the developed solution for a self-managed event-driven IT-architecture and presents the implications of the decisions made. Furthermore, the progress of two use cases, namely an IT-OT-integration and a smart product demonstrator for the research project BlueSAM, are presented to highlight the iterative technical implementability and merits, enabled by the architecture.
Industry 4.0 is driven by Cyber-Physical Systems and Smart Products. Smart Products provide a value to both its users and its manufacturers in terms of a closer connection to the customer and his data as well as the provided smart services. However, many companies, especially SMEs, struggle with the transformation of their existing product portfolio into smart products. In order to facilitate this process, this paper presents a set of smart product use-cases from a manufacturer’s perspective. These use-cases can guide the definition of a smart product and be used during its architecture development and realization. Initially the paper gives an introduction in the field of smart products. After that the research results, based on case-study research, are presented. This includes the methodological approach, the case-study data collection and analysis. Finally, a set of use-cases, their definitions and components are presented and highlighted from the perspective of a smart product manufacturer.
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.
Künstliche Intelligenz (KI) hat als Technologie in den vergangenen Jahren Marktreife erlangt. Es existiert eine Vielzahl benutzerfreundlicher Produkte und Services, welche die Anwendung von KI im Alltag und im Unternehmen vereinfachen. Die Herausforderung, vor denen Anwendende, gerade im betriebswirtschaftlichen Kontext, stehen, ist nicht die technische Machbarkeit einer KI-Applikation, sondern deren organisatorisch und rechtlich zulässige Gestaltung. Zu einer zunehmenden Dynamik in der Gesetzgebung kommt ein gesellschaftliches Interesse an der Kontrolle und Transparenz über die für KI-Modelle erhobenen Daten. Die Diskussion über Datensouveränität im geschäftlichen und privaten Alltag rückt mehr und mehr in das Zentrum der öffentlichen Aufmerksamkeit.
Datenbasierte KI-Anwendungen stehen damit in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die vorliegende Studie soll erstens über die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien auf KI-Anwendungsfälle aufklären. Dafür wurden Expertinnen und Experten aus den Bereichen Recht, KI- und Organisationsforschung befragt. Zweitens zeigt die Studie Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf. Dafür wurden Fallstudien in Unternehmen durchgeführt, die bereits erfolgreich Datenaustausch in ihre Geschäftsmodelle integriert haben, um ihre KI-Applikationen zu betreiben und zu verbessern.